Construye con CometAPI¿Necesitas una sola API para varios modelos?Prueba el flujo en el Playground y luego crea una clave de API cuando el modelo y el costo encajen con tu caso de uso.
Cómo utilizar la API de GPT Image 2.6: generación de SVG y edición de imágenes
Aprende los flujos de trabajo de la API GPT Image 2.6 con CometAPI: generación de SVG, PNG transparentes, edición de múltiples imágenes, marcado, parámetros, precios y migración.
Deon GoodwinEquipo de investigación de modelos de IA y API
La GPT Image 2.6 API en CometAPI ofrece a los desarrolladores una vía práctica para generación y edición de imágenes con dos variantes: Sunburst y Flare.
Crea recursos de imagen con Python y una clave de CometAPI: comienza con una solicitud ráster, luego añade salida SVG, imágenes de referencia o una capa de anotación PNG transparente cuando tu ruta lo admita. Los ejemplos usan Python 3.10 o posterior y mantienen la clave de la API en tu servidor.
La distinción más importante: un PNG transparente de salida es un recurso final; un archivo de marcado PNG transparente es una entrada que indica al modelo dónde editar.
Key Takeaways
Usa GPT Image 2.6 Flare para borradores rápidos y Sunburst para revisiones detalladas.
Envía solicitudes de generación y solicitudes de edición a sus respectivos endpoints de la Image API.
Revisado para mayor claridad, atribución de fuentes y terminología API actual.
Usa SVG para recursos vectoriales y PNG transparente para recortes ráster.
Mantén el marcado separado de la imagen de origen y haz que coincidan sus dimensiones y orientación.
Confirma la compatibilidad de la ruta antes de habilitar campos avanzados en tu aplicación.
What Is the GPT Image 2.6 API?
OpenAI presentó GPT Image 2.6 el 4 de noviembre de 2026. La familia de modelos acepta entradas de texto e imagen para creación y revisión visual.
Las dos variantes comparten un rol orientado al flujo de trabajo, pero sus prioridades difieren.
Specification
Sunburst
Flare
API identifier
gpt-image-2.6-sunburst
gpt-image-2.6-flare
Primary focus
Trabajo visual detallado
Iteración rápida
Input modalities
Texto e imágenes
Texto e imágenes
Output modality
Imágenes
Imágenes
Practical starting point
Recursos finales y revisiones cuidadosas
Borradores y edición interactiva
Audio support
No
No
What Parameters Does the GPT Image 2.6 API Support?
Empieza con una configuración pequeña y explícita.
Parameter
Generation request
Practical use
model
Identificador de variante explícito
Mantén la selección de modelo reproducible
prompt
Instrucciones de texto
Describe el recurso y las restricciones
quality
Empieza con low, medium o high
Ajusta la calidad de renderizado
complexity
low, medium o high
Ajusta el esfuerzo de planificación
size
Por ejemplo, 1024x1024
Fija dimensiones para comparaciones
n
Usa 1 inicialmente
Simplifica pruebas y revisión de costes
output_format
PNG, JPEG, WebP, SVG o GIF, sujeto al soporte del endpoint
Ajusta al recurso de destino
background
auto, opaque o transparent
Controla el comportamiento del fondo ráster
Para ediciones, la solicitud también incluye imágenes de origen. El esquema de edición de imágenes admite hasta 16 imágenes de referencia.
Deja complexity en su valor predeterminado para la primera generación. Para una edición dirigida, como recolorear un objeto, comienza con low y verifica que los detalles circundantes permanezcan intactos.
How Do You Use GPT Image 2.6 API with CometAPI?
Sigue la guía de configuración de CometAPI para crear una clave y luego guárdala en la variable de entorno siguiente. También necesitarás archivos PNG locales como fuentes para los ejemplos de edición.
Los ejemplos usan requests de Python para mostrar directamente los cuerpos de solicitud JSON y multipart.
Estos ejemplos utilizan el formato de solicitud de la Image API de OpenAI a través de CometAPI. Antes de ejecutarlos, confirma que la ruta de CometAPI seleccionada admite el modelo y los campos usados en el ejemplo.
Install the dependencies
pip install requests pillow
Configura la clave en tu shell:
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
Los usuarios de PowerShell pueden usar:
$env:COMETAPI_KEY = "YOUR_COMETAPI_KEY"
Create shared request helpers
Guarda las utilidades compartidas como image_workflows.py. Coloca cada ejemplo de flujo de trabajo en un script separado e importa las utilidades que use. Ejecuta solo el flujo que quieras probar.
Este helper genera un error ante una respuesta HTTP no satisfactoria o datos base64 no válidos. Espera data[0].b64_json; si tu ruta devuelve una estructura diferente, inspecciona esa respuesta antes de cambiar la función de guardado.
Conserva el registro de uso devuelto junto con la salida. Si una solicitud agota el tiempo, inspecciona su estado o registro de facturación antes de reenviarla: un timeout no establece que la generación haya fallado.
Generate a first image
Ejecuta esta llamada después de las utilidades compartidas para generar una única imagen de producto y guardarla como cup.png.
Para los ejemplos de edición posteriores, haz una copia de cup.png llamada product.png en el mismo directorio de trabajo. Mantén cup.png sin cambios como tu original. También puedes usar tu propia fotografía de producto, guardada como product.png.
Prepara setting.png por separado: utiliza una fotografía PNG del fondo o entorno donde quieres que aparezca la taza, con suficiente espacio libre para el producto. Usa una imagen que tengas permiso de subir. Guárdala junto a product.png; la solicitud con múltiples referencias la usa para el entorno, no como una segunda referencia del producto.
generate(
prompt=(
"Create a studio product photograph of an unbranded teal "
"ceramic travel cup on a warm cream background. "
"Show one cup, a clean silhouette, and a soft contact shadow. "
"No text or decorative objects."
),
destination="cup.png",
output_format="png",
)
Comprueba el resultado con una breve lista de aceptación: una sola taza, color correcto, silueta limpia y sin objetos adicionales.
How Do You Generate SVG with GPT Image 2.6?
Usa salida SVG para recursos vectoriales editables. Solicítala a través del endpoint de generación con n=1, luego decodifica la respuesta en un archivo .svg. La salida SVG no admite streaming.
generate(
prompt=(
"Design an original minimalist icon of a teal travel cup "
"with a small leaf motif. Use simple closed vector shapes, "
"two flat colors, and generous negative space. "
"No text, gradients, photographs, or background scenery."
),
destination="cup-icon.svg",
output_format="svg",
)
Una prueba de aceptación útil para SVG va más allá de abrir el archivo:
Inspecciona el ícono en tamaños pequeños y grandes.
Verifica si las formas y colores son fáciles de editar.
Confirma que el resultado encaja en el sistema visual previsto.
Revisa el XML antes de incrustar SVG proporcionado externamente en una aplicación.
No envíes un SVG como entrada para edición ráster. Mantén separados los flujos de revisión vectorial y de edición de imágenes.
How Do You Create Transparent PNG Assets with GPT Image 2.6?
Para un recorte, solicita salida PNG y un fondo transparente. El ejemplo oficial de logotipo transparente también enfatiza bordes alfa limpios y la ausencia de un patrón de tablero pintado.
generate(
prompt=(
"Create a single teal ceramic travel cup as an isolated "
"e-commerce asset. Center the entire cup with generous padding. "
"Keep clean edges and a fully transparent background. "
"No floor, backdrop, checkerboard pattern, or text."
),
destination="cup-transparent.png",
output_format="png",
background="transparent",
)
Valida la transparencia real:
from PIL import Image
with Image.open("cup-transparent.png") as image:
alpha = image.convert("RGBA").getchannel("A")
minimum, maximum = alpha.getextrema()
if minimum == 255:
raise RuntimeError("The output contains no transparent pixels.")
if maximum == 0:
raise RuntimeError("The output is entirely transparent.")
print("The output contains visible content and transparency.")
Esto detecta una imagen opaca que se hace pasar por un recorte. No evalúa la calidad de los bordes; inspecciona el recurso sobre fondos claros y oscuros.
How Do You Edit Images with Multiple GPT Image 2.6 References?
Asigna a cada referencia un rol específico. En este ejemplo, la primera imagen aporta la identidad del producto y la segunda aporta el entorno deseado.
with (
open("product.png", "rb") as product,
open("setting.png", "rb") as setting,
):
response = requests.post(
f"{BASE_URL}/images/edits",
headers=HEADERS,
data={
"model": "gpt-image-2.6-sunburst",
"prompt": (
"Use the cup in the first image as the exact product "
"reference. Use the second image only for the setting. "
"Place the cup naturally in that setting. Preserve its "
"silhouette, lid, color, and printed details. "
"Do not copy other products from the second image."
),
"quality": "high",
"complexity": "medium",
"output_format": "png",
},
files=[
("image[]", ("product.png", product, "image/png")),
("image[]", ("setting.png", setting, "image/png")),
],
timeout=(15, 300),
)
save_result(response, "product-in-setting.png")
El ejemplo multipart usa image[]. Las solicitudes de edición JSON usan un array images; no mezcles las dos codificaciones.
Para pruebas repetibles, mantén fija el orden de las referencias. Compara el producto original con la salida a resolución completa, especialmente asas, etiquetas, bordes y reflejos.
How Does Transparent PNG Markup Work in GPT Image 2.6?
El marcado es una capa de anotación. Dibuja un círculo u otra instrucción visual en un PNG transparente independiente y envía ese archivo junto con la imagen original.
El flujo de trabajo de marcado aplica anotaciones a la primera imagen de entrada. La superposición debe coincidir en dimensiones y orientación, contener píxeles transparentes y permanecer separada del original. No combines markup con mask o prompt_rewriter.
La demostración de OpenAI muestra un jarrón marcado:
La edición resultante cambia el jarrón:
Estas son imágenes de demostración oficiales, no salidas del código siguiente.
Prepare an annotation layer
El cuadro delimitador a continuación define la elipse de anotación. Ajusta sus coordenadas para rodear el objeto que deseas editar y luego inspecciona la superposición antes de enviarla.
with (
open("product-oriented.png", "rb") as source,
open("markup.png", "rb") as markup,
):
response = requests.post(
f"{BASE_URL}/images/edits",
headers=HEADERS,
data={
"model": MODEL,
"prompt": (
"Change the body of the cup inside the red circle "
"to matte cobalt blue. Preserve the lid, shape, "
"lighting, and surrounding scene. "
"Remove the annotation from the finished image."
),
"quality": "medium",
"complexity": "low",
"output_format": "png",
},
files={
"image": ("product.png", source, "image/png"),
"markup": ("markup.png", markup, "image/png"),
},
timeout=(15, 300),
)
save_result(response, "cup-edited.png")
La decisión de diseño importante es especificar tanto el cambio solicitado como los detalles que se deben preservar. Una anotación identifica el objetivo; el texto define la operación.
GPT Image 2.6 API Pricing: Token Rates and SVG Costs
Ambas variantes tienen las siguientes tarifas de tokens publicadas por OpenAI.
Token category
Sunburst rate per 1M tokens
Flare rate per 1M tokens
Text input
$5.00
$5.00
Cached text input
$1.25
$1.25
Image input
$8.00
$8.00
Cached image input
$2.00
$2.00
Image output
$30.00
$30.00
Estas son tarifas de OpenAI, no una cotización verificada de CometAPI.
Para una solicitud no almacenada en caché, el cálculo correspondiente es:
Por ejemplo, una solicitud ráster que use 1,000 tokens de entrada de texto, ningún token de entrada de imagen y 2,000 tokens de salida de imagen costaría $0.065.
Para la GPT Image 2.6 API en CometAPI, usa el precio mostrado para tu ruta seleccionada y revisa el cargo registrado para tu solicitud. Las tarifas de OpenAI anteriores son un cálculo de referencia, no una cotización de CometAPI.
Una métrica empresarial útil es:
Cost per accepted asset =
total workflow spending ÷ number of approved assets
Incluye en el numerador las generaciones rechazadas y las rondas de revisión.
How Do You Migrate an Existing Image Workflow to GPT Image 2.6?
Si ya usas GPT Image 2.5, actualiza primero el identificador del modelo y mantén explícitos el endpoint y el manejo de la respuesta. Añade formatos de salida opcionales solo después de que una solicitud básica tenga éxito.
Configura model="gpt-image-2.6-flare" o model="gpt-image-2.6-sunburst" en lugar de depender de un modelo predeterminado. Conserva tus archivos de entrada y el prompt mientras verificas la primera respuesta.
Para SVG, usa el endpoint de generación, guarda los bytes decodificados con extensión .svg y omite el streaming. Para ediciones ráster, incluye las imágenes fuente en la solicitud de edición. Añade markup solo después de preparar una superposición transparente independiente.
Actualiza también tu capa de servicio de archivos: un recurso SVG y un recurso PNG requieren tipos de medio diferentes. Conserva la fuente original y las revisiones aprobadas. Inicia cada nueva edición desde la versión que contenga los cambios que deseas preservar.
Conclusion
Comienza con el ejemplo de imagen de producto y luego elige el flujo de trabajo que coincida con tu salida: SVG para arte vectorial editable, PNG transparente para recortes, referencias de imagen para combinar entradas visuales o marcado para cambios dirigidos. Compara Flare y Sunburst usando los mismos prompts y configuraciones, y rastrea el coste por recurso aceptado.
FAQ
How should I handle a GPT Image 2.6 request timeout?
Un tiempo de espera puede ocurrir mientras el servidor aún procesa la solicitud. Guarda el ID de la solicitud y revisa el registro del proveedor antes de reintentar para evitar trabajo y cargos duplicados.
Why does my application fail to save the returned image?
El helper espera una respuesta JSON que contenga data[0].b64_json. Primero verifica el estado HTTP y la estructura de la respuesta. Si tu ruta devuelve una URL de imagen, implementa el flujo documentado de descarga por URL en lugar de pasar esa URL a un decodificador base64. Mantén la extensión guardada coherente con el formato solicitado.
How can I keep edit files from being overwritten?
Guarda la fuente, la superposición y cada salida con nombres separados. Por ejemplo, usa product-source.png, product-markup.png y product-edit-01.png. Almacena el prompt junto a la salida. Esto te permite retomar una revisión sin perder el original ni subir accidentalmente una vista previa anotada como fuente.
What should I check before embedding a generated SVG?
Abre el recurso en tu renderizador objetivo e inspecciona su XML con tus herramientas habituales de validación de SVG. Revisa dimensiones, recortes, trazados y cualquier texto antes de publicar. Aplica la política de sanitización de SVG de tu aplicación, sírvelo con el tipo de medio correcto y verifica que siga siendo legible al tamaño más pequeño usado en tu interfaz.
